基于脑电波的信息预警方法及系统技术方案

本发明专利技术提出一种基于脑电波的信息预警方法及系统，应用于智能驾驶座舱，所述信息预警方法包括：获取第一目标的脑电波数据集；将所述第一目标的脑电波数据集输入至预先训练好的脑电波模型中确定所述第一目标的脑电波变化趋势；基于所述脑电波变化趋势确定所述第一目标的专注度；确定所述专注度低于预设专注度值，获取所述第一目标的面部疲劳特征；基于所述第一目标的专注度及面部疲劳特征确定疲劳状态；确定所述第一目标的疲劳状态为极度疲劳状态，生成第一感知预警指令；响应于所述第一感知预警指令，对所述第一目标进行感知预警提示。本申请通过多特征融合判断发现目标人群在极度疲劳状态时及时发出预警，以提高疲劳预警的准确度。的准确度。的准确度。

【技术实现步骤摘要】
基于脑电波的信息预警方法及系统


[0001]本专利技术涉及疲劳预警
，特别涉及一种基于脑电波的信息预警方法及系统。

技术介绍

[0002]交通事故中，因疲劳驾驶而导致的事故占比较高。随着智能化驾驶系统的普及，疲劳驾驶的监测和预警系统也越来越成熟。相关技术中，疲劳驾驶的检测手段相对单一，检测准确度较低，容易造成疲劳驾驶的误判；并且现有的预警提示效果较差，无法给驾驶员及乘客较好的驾驶或乘车体验。
[0003]基于此，有必要提出一种基于脑电波的信息预警方法与系统，以解决上述技术问题。

技术实现思路

[0004]本专利技术的主要目的是提供一种基于脑电波的信息预警方法及系统，旨在解决现有技术中疲劳检测准确度低且预警效果较差的技术问题。
[0005]为实现上述目的，本专利技术提出一种基于脑电波的信息预警方法，所述信息预警方法包括：
[0006]获取第一目标的脑电波数据集，所述第一目标的脑电波数据集包括所述第一目标在预设时间内的脑电波数据；
[0007]将所述第一目标的脑电波数据集输入至预先训练好的脑电波模型中确定所述第一目标的脑电波变化趋势；
[0008]基于所述脑电波变化趋势确定所述第一目标的专注度；
[0009]确定所述专注度低于预设专注度值，获取所述第一目标的面部疲劳特征；
[0010]基于所述第一目标的专注度及面部疲劳特征确定疲劳状态，其中，所述疲劳状态包括轻度疲劳及极度疲劳；
[0011]确定所述第一目标的疲劳状态为极度疲劳状态，生成第一感知预警指令；
[0012]响应于所述第一感知预警指令，对所述第一目标进行感知预警提示。
[0013]优选地，所述基于所述第一目标的专注度及面部疲劳特征确定疲劳状态的步骤之后还包括：
[0014]确定所述第一目标的疲劳状态为轻度疲劳状态，获取所述第二目标的座椅状态，其中，所述座椅状态包括就位状态及空位状态；
[0015]确定所述座椅状态为就位状态，获取第二目标的脑电波数据集；
[0016]将所述第二目标的脑电波数据集输入至预先训练好的脑电波模型中确定所述第二目标的脑电波变化趋势；
[0017]基于所述脑电波变化趋势确定所述第二目标的专注度；
[0018]确定所述第二目标的专注度高于预设值，发送第一提示信息；其中，所述第一提示
信息用于提示第二目标对第一目标进行直接预警。
[0019]优选地，所述获取所述第二目标的座椅状态的步骤之后还包括：
[0020]确定所述座椅状态为空位状态，生成第一感知预警指令；
[0021]响应于所述第一感知预警指令，对所述第一目标进行感知预警提示。
[0022]优选地，所述基于所述脑电波变化趋势确定所述第二目标的专注度的步骤之后还包括：
[0023]确定所述第二目标的专注度低于预设值，生成第一感知预警指令；
[0024]响应于所述第一感知预警指令，对所述第一目标进行感知预警提示。
[0025]优选地，所述响应于所述用户感知预警指令，对所述第一目标进行感知预警提示的步骤之后还包括：
[0026]预设时间后重新获取第一目标的脑电波数据集；
[0027]将所述第一目标的脑电波数据集输入至预先训练好的脑电波模型中确定所述第一目标的脑电波变化趋势；
[0028]基于所述脑电波变化趋势确定所述第一目标的专注度；
[0029]确定所述第一目标的专注度低于预设值，生成第二感知预警指令；
[0030]响应于所述第二感知预警指令，对所述第二目标进行感知预警提示。
[0031]优选地，所述面部疲劳特征包括眼部特征，所述获取所述第一目标的面部疲劳特征的步骤包括：
[0032]获取所述第一目标的面部视频流数据；
[0033]提取所述面部视频流数据内的眼部特征图像帧；
[0034]对所述眼部特征图像帧处理形成眼部特征线集，以所述眼部特征线集表征所述第一目标的面部疲劳特征。
[0035]优选地，所述基于所述第一目标的专注度及面部疲劳特征确定疲劳状态的步骤包括：
[0036]对所述眼部特征线集进行模型匹配得到眼部特征匹配度结果；
[0037]基于所述眼部特征匹配度结果确定面部特征疲劳度；
[0038]获取脑电波专注度与面部特征疲劳度对应的疲劳影响权重；
[0039]基于所述疲劳影响权重、专注度与面部特征疲劳度确定所述第一目标的疲劳状态。
[0040]优选地，面部特征疲劳度的计算公式表示为：
[0041][0042]其中，Z2表示面部特征疲劳度，Z0表示面部特征疲劳度的基准值，s
n
表示第n个眼部特征像素与模型匹配后得到的单位匹配值，N表示眼部特征线集中眼部特征像素的总数，n∈(1，N]。
[0043]优选地，所述基于所述疲劳影响权重、专注度与面部特征疲劳度确定所述第一目
标的疲劳状态的步骤包括：
[0044]基于疲劳影响权重W1、疲劳影响权重W2、专注度Z1与面部特征疲劳度Z2计算出疲劳量化值P，并且P、W1、W2、Z1、Z2满足表达式：P＝W2*Z2‑
W1*Z1，0＜W1＜1，0＜W2＜1，其中，W1为专注度对应的疲劳影响权重，W2为面部特征疲劳度对应的疲劳影响权重；
[0045]确定疲劳量化值P大于第一预设值且小于第二预设值，确定疲劳状态为轻度疲劳；
[0046]确定疲劳量化值P大于或等于第二预设值，确定疲劳状态为极度疲劳。
[0047]进一步地，为实现上述目的，本专利技术还可提供一种信息预警系统，包括存储器、处理器以及存储在所述存储器上用于实现基于脑电波的信息预警方法的控制程序，所述处理器用于执行实现所述基于脑电波的信息预警方法的控制程序，以实现如上所述基于脑电波的信息预警方法的步骤。
[0048]本专利技术技术方案中，首先获取第一目标的脑电波数据集；然后将所述第一目标的脑电波数据集输入至预先训练好的脑电波模型中确定所述第一目标的脑电波变化趋势；然后基于所述脑电波变化趋势确定所述第一目标的专注度；然后确定所述专注度低于预设专注度值，获取所述第一目标的面部疲劳特征；然后基于所述第一目标的专注度及面部疲劳特征确定疲劳状态；再确定所述第一目标的疲劳状态为极度疲劳状态，生成第一感知预警指令；最后响应于所述第一感知预警指令，对所述第一目标进行感知预警提示；也即，在检测到目标人群的脑电波并初步判断为低专注度状态时，再去获取该目标人群的面部疲劳特征，通过专注度及面部疲劳特征来综合判断最终的疲劳状态，如此，通过多特征融合判断发现目标人群在极度疲劳状态时及时发出预警，以提高疲劳预警的准确度。
附图说明
[0049]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电波的信息预警方法，应用于智能驾驶座舱，其特征在于，所述信息预警方法包括：获取第一目标的脑电波数据集，所述脑电波数据集包括所述第一目标在预设时间内的脑电波数据；将所述脑电波数据集输入至预先训练好的脑电波模型中确定所述第一目标的脑电波变化趋势；基于所述脑电波变化趋势确定所述第一目标的专注度；确定所述专注度低于预设专注度值，获取所述第一目标的面部疲劳特征；基于所述第一目标的专注度及面部疲劳特征确定疲劳状态，其中，所述疲劳状态包括轻度疲劳及极度疲劳；确定所述第一目标的疲劳状态为极度疲劳状态，生成第一感知预警指令；响应于所述第一感知预警指令，对所述第一目标进行感知预警提示。2.如权利要求1所述的基于脑电波的信息预警方法，其特征在于，所述基于所述第一目标的专注度及面部疲劳特征确定疲劳状态的步骤之后还包括：确定所述第一目标的疲劳状态为轻度疲劳状态，获取第二目标的座椅状态，其中，所述座椅状态包括就位状态及空位状态；确定所述座椅状态为就位状态，获取第二目标的脑电波数据集；将所述第二目标的脑电波数据集输入至预先训练好的脑电波模型中确定所述第二目标的脑电波变化趋势；基于所述脑电波变化趋势确定所述第二目标的专注度；确定所述第二目标的专注度高于预设值，发送第一提示信息；其中，所述第一提示信息用于提示第二目标对第一目标进行直接预警。3.如权利要求2所述的基于脑电波的信息预警方法，其特征在于，所述获取所述第二目标的座椅状态的步骤之后还包括：确定所述座椅状态为空位状态，生成第一感知预警指令；响应于所述第一感知预警指令，对所述第一目标进行感知预警提示。4.如权利要求2所述的基于脑电波的信息预警方法，其特征在于，所述基于所述脑电波变化趋势确定所述第二目标的专注度的步骤之后还包括：确定所述第二目标的专注度低于预设值，生成第一感知预警指令；响应于所述第一感知预警指令，对所述第一目标进行感知预警提示。5.如权利要求4所述的基于脑电波的信息预警方法，其特征在于，所述响应于用户感知预警指令，对所述第一目标进行感知预警提示的步骤之后还包括：预设时间后重新获取第一目标的脑电波数据集；将所述第一目标的脑电波数据集输入至预先训练好的脑电波模型中确定所述第一目标的脑电波变化趋势；基于所述脑电波变化趋势确定所述第一目标...

【专利技术属性】
技术研发人员：王平，徐军莉，
申请(专利权)人：江西科技学院，
类型：发明
国别省市：